驾驶风险替代指标及其在高速公路跟车场景中的应用
数值分析
2022-11-08 v1 数值分析
摘要
交通安全对于减少死亡与构建和谐社会十分重要。除事故率研究外，驾驶风险的感知对于指导采取适当驾驶对策也具有重要意义。由于通信技术与计算能力的快速发展，可针对交通安全进行实时风险评估。本文针对现有风险评估方法中标定困难与阈值不一致的问题，提出一种基于势场的量化车辆驾驶风险的风险评估模型。首先，提出将虚拟能量作为考虑车辆尺寸与速度的属性。其次，基于势场理论提出驾驶风险替代指标(DRS)以描述车辆风险程度。通过建立交互车辆风险替代指标、限制风险替代指标与速度风险替代指标等子模型量化风险因素。为统一风险阈值，由风险场强导出用于实施引导的加速度。最后，选取中国南京的自然驾驶数据集，筛选出3063对自然跟车轨迹。基于此，通过改进粒子优化算法标定所提模型及用于比较的其他模型。仿真证明所提模型在风险感知与响应、跟车轨迹及速度估计上优于其他算法，且所提模型比现有跟车模型具有更好的跟车能力。
引用
@article{arxiv.2211.03304,
title = {A Driving Risk Surrogate and Its Application in Car-Following Scenario at Expressway},
author = {Renfei Wu and Linheng Li and Haotian Shi and Yikang Rui and Dong Ngoduy and Bin Ran},
journal= {arXiv preprint arXiv:2211.03304},
year = {2022}
}